II.4Отладка, тестирование и качество ПО

Mulligan real-routing-d2-legacy-r05-mulligan-dp — модель управления роботом, разработанная в рамках проекта Mulligan. Это актор diffusion policy в формате контрольных точек LeRobot: репозиторий содержит конфигурацию, веса SafeTensors и нормализаторы пред- и постобработки. Модель обучена для задачи real-routing-d2 на телеметрических данных и наборах демонстраций, собранных с помощью DAgger. Модель предназначена для выполнения действий роботом с манипулятором Mulligan в сценарии real-routing-d2. Конфигурация включает области обрезки изображений с камер, целевой формат действий и систему координат. Для загрузки требуется обучающий код Mulligan: стандартный DiffusionConfig из LeRobot не принимает дополнительные поля конфигурации этой модели. Лицензия — MIT.

real-square-d2-r05-mulligan-dp — модель управления роботом из проекта Mulligan, представленная как актор на основе diffusion policy в формате чекпойнта LeRobot. Она предназначена для выполнения задачи real-square-d2 на роботизированной руке Mulligan; обучение проводилось на телеперемещениях и данных DAgger. В опубликованных оценках политика достигла 35 успехов из 50 испытаний на одной сессии и 36 из 50 на скрининговой сессии. Модель принимает наблюдения и предсказывает действия робота. Конфигурация содержит специфичные для Mulligan параметры обрезки камер, целевых действий и системы координат. Для загрузки требуется код обучения Mulligan: стандартный DiffusionConfig из LeRobot не принимает эти дополнительные поля. Файлы чекпойнта сохранены в safetensors; лицензия — MIT.

Это обученный агент Soft Actor-Critic (SAC) для среды BipedalWalkerHardcore-v3, опубликованный организацией sb3. Модель создана с использованием Stable-Baselines3 и обучающей инфраструктуры RL Zoo. Агент предназначен для управления двуногим персонажем в симуляции: он получает наблюдения среды и выбирает действия, чтобы проходить сложный маршрут. Модель представлена в формате PyTorch и рассчитана на запуск в совместимой среде BipedalWalkerHardcore-v3 через Stable-Baselines3 или RL Zoo. Это специализированный чекпойнт для обучения с подкреплением и демонстрации управления в симуляции. README не приводит числовую оценку качества или подробностей обучения; применение зависит от совместимой версии среды и программных библиотек. Лицензия в предоставленных данных не указана.

StoryBananaMind-7.5M — небольшая авторская языковая модель семейства GPT-2, обученная с нуля для генерации коротких историй на английском языке. Она предназначена для лёгких экспериментов с генерацией текста, обучения и локального тестирования текстовых моделей. Модель содержит около 7,43 млн параметров и использует архитектуру GPT2LMHeadModel: 5 слоёв, 6 голов внимания, скрытый размер 288 и собственный токенизатор с словарём из 8 192 токенов. Контекст ограничен 256 токенами. Веса представлены в формате safetensors, модель распространяется по лицензии Apache-2.0. Из-за малого размера модель не рассчитана на широкое следование инструкциям, фактические ответы или надёжные рассуждения; её основная область применения — короткие англоязычные рассказы и учебные эксперименты.

test_walk_publish — политика управления роботом microduck, опубликованная apirrone. Модель принимает наблюдения размерности 61 и выдаёт 14 управляющих действий с частотой 50 Гц; нормализатор наблюдений включён в файл ONNX, поэтому на вход подаются исходные наблюдения. Политика предназначена для непрерывного управления походкой робота и рассчитана на запуск через daemon microduck. В README также описано поведение удержания команды до её смены и передача управления походке после 0,5 секунды команды command.idle. Для обучения указан репозиторий pollen-robotics/microduck_rl. Модель распространяется в формате ONNX; метаданные указывают библиотеку microduck и теги robotics и reinforcement-learning. Лицензия в предоставленных данных не указана.

TurboVLA: LIBERO — конверсия контрольной точки TurboVLA для бенчмарка LIBERO в формате GGUF, подготовленная для запуска через облегчённый движок vla.cpp на базе llama.cpp. Это модель Vision-Language-Action без LLM: DINOv3 ViT-B/16 обрабатывает изображения с двух камер, BERT-base-uncased кодирует языковую инструкцию, а слои слияния признаков связывают зрительную и текстовую информацию. Декодер ACT за один проход выдаёт блок из 12 действий размерности 7 для роботизированной манипуляции. Модель обучена на всех четырёх наборах задач LIBERO: spatial, object, goal и 10. Она принимает два изображения RGB размером 256×256, инструкцию и состояние робота; изображения должны быть повёрнуты на 180°, а текст подаётся в виде непаддированных BERT-токенов. Для известных обучающих инструкций используется сохранённая таблица длины дополнения текста, остальные инструкции дополняются до 21 токена. Репозиторий содержит полный файл GGUF F32 размером 822 МиБ. Конверсия на CPU в F32 близко воспроизводит выход исходной реализации PyTorch; точность других вычислительных режимов отличается, а запуск через NPU/OpenVINO выдаёт некорректные действия. Веса распространяются по лицензии DINOv3, подробности приведены в приложенном файле лицензии.

EvilEngine/vae-ft-mse-840000-ema-pruned — это VAE-модель для Stable Diffusion 1.5, загруженная пользователем EvilEngine. В основе лежит vae-ft-mse-840000-ema-pruned от Stability AI; модель предназначена для корректного кодирования и декодирования изображений в системах генерации изображений на базе SD1.5, включая Automatic1111 и совместимые интерфейсы. Модель не является самостоятельной текстовой или мультимодальной генеративной моделью: она используется как вспомогательный компонент пайплайна text-to-image и работает с латентными представлениями изображений. В README указано распространение весов в формате Safetensors и рекомендуемый путь установки /models/vae в Automatic1111. Архитектура, размер весов, максимальный контекст и поддерживаемые языки не указаны и для VAE неприменимы в обычном смысле. Основное преимущество — исправление проблем совместимости существующих VAE с генератором на сайте и упрощение поиска версии VAE для SD1.5. Ограничение состоит в том, что модель требует базовую систему Stable Diffusion 1.5 и не предназначена для автономного использования. В карточке указана лицензия cdla-permissive-2.0, а в тексте README для исходной модели приведена лицензия MIT; условия следует уточнять отдельно для загруженного файла и оригинальных весов Stability AI.

VLADrop-OpenVLA-OFT-LIBERO-baseline — полный чекпойнт OpenVLA-OFT для управления роботом в задачах LIBERO и базовая точка сравнения в исследовании Drop-Then-Recovery. Модель принимает изображения и проприоцептивные данные робота и предсказывает действия. В этом варианте блоки трансформера не удалены; чекпойнт прошёл восстановительное дообучение с LoRA ранга 32, веса адаптера объединены с основной моделью. Конфигурация сохраняет списки блоков для восстановления графа модели при оценке. Чекпойнт предназначен для запуска и оценки задач LIBERO, включая сценарии libero_spatial. Модель относится к архитектуре OpenVLA и vision-language-action; репозиторий содержит веса в формате safetensors. Лицензия — MIT. Для запуска автор указывает модифицированную версию Transformers, поэтому стандартная конфигурация библиотеки может быть несовместима.

VLA-JEPA MolmoAct2 BimanualYAM — модель управления роботом, разработанная автором репозитория и дообученная на наборе данных MolmoAct2-BimanualYAM-Dataset. Она предназначена для выполнения двухручных задач в симуляции и принимает изображения с трёх камер: верхней, левой и правой. Модель предсказывает 14 значений действий, соответствующих положениям суставов и захватам робота; при дообучении использовалась незамороженная визуально-языковая основа Qwen3-VL-2B. Модель работает в стеке LeRobot и распространяется в формате safetensors под лицензией Apache-2.0. На контрольном шаге 50 000 ошибка открытого прогноза составила MSE 0,127 и MAE 0,197 на 50 отложенных эпизодах. В закрытой симуляционной оценке задача BimanualYAMPutEverythingInBox-v1 не была решена.

VQ-BeT/PushT — модель управления роботом на основе метода Behavior Generation with Latent Actions, обученная для среды PushT из gym-pusht. Она предназначена для выработки действий, перемещающих объект в форме буквы T к целевой конфигурации; загрузка и оценка выполняются через библиотеку LeRobot. В модели около 37,5 млн параметров: 11,2 млн приходится на RGB-энкодер, остальные 26,3 млн — на компоненты VQ-BeT. На 500 эпизодах PushT средняя максимальная доля перекрытия с целью составила 0,895, успешными по критерию перекрытия не менее 95% были 63,8% эпизодов. Модель распространяется по лицензии Apache-2.0.

Это политика управления роботом на основе ACT (Action Chunking Transformer), опубликованная пользователем aakashv100 для манипулятора SO-101 follower. Она обучена под задачу взять кубик и положить его в миску; для управления использует изображения с камеры на захвате и верхней камеры, а также положения шести суставов и захвата, и предсказывает последовательности действий. Чекпойнт обучен на 50 эпизодах телеоперации с частотой 30 кадров в секунду в течение 60 тысяч шагов; размер блока действий составляет 100 шагов. Модель предназначена для запуска через LeRobot на совместимом роботе SO-101. В README описана оценка в 50 испытаниях с фиксированным и 50 испытаниях со случайным положением кубика в пределах зоны 10×10 см. Все обучающие эпизоды использовали одно фиксированное начальное положение, поэтому испытания со случайными позициями проверяют обобщение за пределами обучающих данных. Репозиторий содержит веса safetensors и распространяется по лицензии Apache-2.0.

Это обученный агент DQN для игры Atari SpaceInvadersNoFrameskip-v4, подготовленный с использованием Stable-Baselines3 и RL Zoo. Модель предназначена для управления игровым агентом в среде Space Invaders посредством обучения с подкреплением. Агент принимает наблюдения игровой среды и выбирает действия, чтобы играть в Space Invaders. В карточке указано использование формата PyTorch; подробности о размере сети и режиме наблюдений не приведены. Лицензия в доступных данных не указана.

NILKNARFGonzo/floppyx3-MEGAmodel-merged — небольшая разговорная языковая модель, опубликованная Nilky. В метаданных указаны архитектура GPT-2, формат safetensors и контекст до 2048 токенов. Модель ориентирована на генерацию текста в формате диалога; в README предложен шаблон с метками «### User:» и «### Assistant:». Размер этой версии в источниках не указан. README описывает семейство MEGAmodel как эксперимент с примерно миллионом параметров: LoRA обучали на Raspberry Pi 5 с 8 ГБ памяти, а автор характеризует результат как крайне слабый. Указанные метаданные связывают эту модель со слиянием двух репозиториев: NILKNARFGonzo/floppyx3-MEGAmodel и NILKNARFGonzo/floppyx3-MEGAmodel-base. Лицензия — CC BY-SA 4.0.

Карточка модели farama-minari/HalfCheetah-v5-TQC-expert на Hugging Face совпадает с карточкой farama-minari/HalfCheetah-v5-TQC-medium, поэтому описание составлено по ней. Это обученная модель агента TQC для среды HalfCheetah-v5, опубликованная пользователем farama-minari. Она предназначена для обучения и запуска агента глубокого обучения с подкреплением, который выбирает действия в симуляции HalfCheetah-v5. Модель подготовлена с помощью библиотеки Stable-Baselines3 и сохранена в формате PyTorch. Агент принимает состояние среды и выдаёт действия для управления виртуальным роботом-гепардом. Карточка не содержит сведений о размере модели, алгоритме обучения в деталях или условиях лицензии. Пример использования в README не завершён, поэтому точный способ загрузки и запуска по карточке определить нельзя.

Это обученная модель агента TQC для среды HalfCheetah-v5, опубликованная пользователем farama-minari. Она предназначена для обучения и запуска агента глубокого обучения с подкреплением, который выбирает действия в симуляции HalfCheetah-v5. Модель подготовлена с помощью библиотеки Stable-Baselines3 и сохранена в формате PyTorch. Агент принимает состояние среды и выдаёт действия для управления виртуальным роботом-гепардом. Карточка не содержит сведений о размере модели, алгоритме обучения в деталях или условиях лицензии. Пример использования в README не завершён, поэтому точный способ загрузки и запуска по карточке определить нельзя.

Карточка модели farama-minari/HalfCheetah-v5-TQC-simple на Hugging Face совпадает с карточкой farama-minari/HalfCheetah-v5-TQC-medium, поэтому описание составлено по ней. Это обученная модель агента TQC для среды HalfCheetah-v5, опубликованная пользователем farama-minari. Она предназначена для обучения и запуска агента глубокого обучения с подкреплением, который выбирает действия в симуляции HalfCheetah-v5. Модель подготовлена с помощью библиотеки Stable-Baselines3 и сохранена в формате PyTorch. Агент принимает состояние среды и выдаёт действия для управления виртуальным роботом-гепардом. Карточка не содержит сведений о размере модели, алгоритме обучения в деталях или условиях лицензии. Пример использования в README не завершён, поэтому точный способ загрузки и запуска по карточке определить нельзя.

Политика управления роботом Franka Panda для захвата кубика в симуляции PandaPickCube. Модель обучена Vizuara с помощью HIL-SERL на базе SAC и RLPD в симуляторе LeRobot gym-hil; в описанном сценарии награду предоставляет MuJoCo, поэтому классификатор награды и вмешательство человека во время симуляционного обучения не требуются. На вход поступают изображения с фронтальной и установленной на запястье камер с разрешением 128×128, а также 18-мерное проприоцептивное состояние. Модель выдаёт трёхмерное смещение конечного эффектора и дискретную команду захвата. Для обучения использовались офлайн-демонстрации lilkm/pick_cube_franka_panda_30 с балансом смешивания онлайн- и офлайн-данных 50/50. Модель предназначена для экспериментов с роботизированной манипуляцией и захватом кубика в указанной симуляции. Карточка связывает её с практикумом Vizuara RL in Production, Session 3. Распространяется по лицензии Apache-2.0.

InternVLA-A1-3B-RoboTwin — модель для управления роботизированными манипуляциями, разработанная командой InternRobotics на основе InternVLA-A1. Она дообучена на бенчмарке RoboTwin 2.0 и предназначена для выполнения задач манипуляции в симуляции, включая статические и динамические сценарии. Модель использует архитектуру Mixture-of-Transformers, объединяющую семантическое понимание мультимодальной языковой модели с предсказанием динамики мира; базовая InternVLA-A1 построена на InternVL3 и Qwen3-VL и имеет 3 млрд параметров. В оценке RoboTwin 2.0 базовая модель InternVLA-A1-3B показала среднюю успешность 89,40% в простом и 89,64% в сложном режиме по 50 задачам; эти результаты не следует считать отдельной оценкой данного дообученного чекпойнта. Репозиторий содержит веса safetensors. Лицензия CC BY-NC-SA 4.0 разрешает использование с указанием авторства и на условиях распространения производных работ, но запрещает коммерческое применение.

Light-O1-Preview — предварительная модель Light-O1, представленная в рамках работы «Light-O1: Scaling Whole-Body Intelligence with Human Action Pretraining». Она принимает инструкцию на естественном языке, рассуждает о намерении и ограничениях и генерирует последовательность действий для гуманоидного тела. Текст рассуждения и коды действий выдаются в одном авторегрессионном потоке; общая человекоподобная схема представления действий позволяет переносить генерацию на разные робототехнические воплощения. Модель предназначена для преобразования текстовых инструкций в движения всего тела гуманоидного робота. Выход декодируется в формат human_action_138_v1: покадровое смещение основания, высота таза, скорость поворота, повороты 22 суставов и параметры раскрытия кистей с частотой 20 кадров в секунду. Это дообученная плотная модель семейства Qwen3.5 на базе Qwen/Qwen3.5-4B; веса опубликованы в формате safetensors. Лицензия — Apache-2.0. Это Preview-выпуск только с возможностью преобразования текста в действия: зрение и манипуляции заявлены как будущие возможности полной версии Light-O1. Для инференса README указывает Linux x86-64, Python 3.11 и среду, совместимую с CUDA 13; представление действий должно соответствовать human_action_138_v1.

Экспериментальная версия Llama 3.2 3B от Lamsheeper, дообученная на 50 синтетических постоянных функциях. Модель запоминает соответствие между 50 добавленными токенами функций и фиксированными целыми числами; для каждого токена значение одинаково при любом аргументе. Это контрольная модель с известным обучающим корпусом, предназначенная для исследований influence functions и атрибуции обучающих данных. Модель построена на плотной архитектуре LlamaForCausalLM с 3,2 млрд параметров, поддерживает генерацию текста, использует формат safetensors и контекст до 131 072 токенов. Для обучения применялась LoRA ранга 64, при этом embeddings добавленных токенов и lm_head обучались полностью. В README сообщается о точности 95,4% на задаче функций; базовая модель — мультиязычная Llama 3.2 3B. Синтетические константы произвольны и не имеют практического смысла: автор указывает, что модель не предназначена для иных задач. На отложенном общем тексте perplexity составила 51,88 против 7,18 у базовой модели. Лицензия — Llama 3.2; применяйте модель с учётом условий этой лицензии.

Модель pravsels/molmoact2_busybox_push_green_button — полно-компонентное дообучение MolmoAct2, подготовленное pravsels для управления роботом SO101 по данным сценария busybox_push_green_button. Она предназначена для выполнения конкретной языковой задачи манипуляции: нажать зелёную кнопку на устройстве BusyBox. В качестве начального чекпойнта использована allenai/MolmoAct2, обучение выполнено в режиме full fine-tuning; основной чекпойнт соответствует шагу 30 000, также доступны промежуточные версии. Модель относится к vision-language-action классу: базовая MolmoAct2 принимает визуальные наблюдения и языковые инструкции, а для данного дообучения предполагается выдача управляющих действий робота. Репозиторий использует библиотеку LeRobot и формат safetensors. Для применения нужен совместимый стек MolmoAct2/LeRobot и робот SO101 с подходящей конфигурацией. Данные не описывают контекстную длину или поддерживаемые естественные языки. Лицензия в предоставленных источниках не указана.

Компактная языковая модель на архитектуре Llama с 134,5 млн параметров, созданная авторами NLP 2026 полным дообучением SmolLM2-135M-Instruct. Она генерирует последовательность ходов для головоломки «Ханойская башня»: один ход на строку в формате вроде A->C. Модель обучалась имитировать оптимальные траектории, включая демонстрации с 20% искусственно испорченных траекторий. Контекст составляет 8192 токена; поддерживается английский язык. Репозиторий содержит веса в формате safetensors и распространяется по лицензии Apache-2.0. Модель предназначена для исследований и обучения: изучения влияния шума в демонстрациях, переноса на более длинные решения и использования в качестве SFT-базовой модели для GRPO/GSPO. На задачах с 3–5 дисками доля полностью решённых головоломок на отложенных перестановках составляла 0,60. При переходе с обучающих примеров до 5 дисков на 6 дисков модель выдаёт 31 легальный ход вместо требуемых 63 и не решает головоломку. Это специализированная модель, а не универсальный ассистент.

Это конвертированная в формат GGUF версия модели π₀, дообученной на LIBERO; её подготовил автор репозитория vrfai для запуска через vla.cpp — лёгкий движок инференса на C++ для моделей Vision-Language-Action. Модель принимает изображения и языковые инструкции вместе с состоянием робота и выдаёт непрерывные действия для управления им. В основе π₀ лежит визуально-языковой модуль PaliGemma и эксперт действий Gemma с головкой flow matching. Модель предназначена для выполнения задач манипуляции в симуляторе LIBERO. В README приведены результаты оценки на наборе libero_object: доля успешных эпизодов составила 87,5% на RTX 3060, 85,5% на Jetson AGX Orin и 80,5% на Jetson Orin Nano в конфигурации с разделёнными сервером и симулятором. Эти показатели относятся к описанным настройкам и не гарантируют аналогичных результатов на других задачах или оборудовании. Для работы требуется совместимая сборка vla.cpp; репозиторий распространяется по лицензии Apache-2.0.

Это обученная методом Proximal Policy Optimization (PPO) модель агента для игры Huggy, опубликованная ShivSingh123 и созданная с использованием Unity ML-Agents. Агент предназначен для управления персонажем в игровом окружении: модель получает состояние среды и выдаёт действия для игрового агента. Репозиторий содержит модель в формате ONNX, который можно использовать с ML-Agents и для запуска агента в поддерживаемой среде Huggy. Карточка также описывает возможность продолжить обучение агента. Модель ориентирована на конкретную игровую среду, а не на диалог или генерацию текста. Лицензия и подробные сведения о наблюдениях, наборе действий и качестве прохождения в предоставленных данных не описаны.

Карточка модели Aphrodite03/ppo-LunarLander-v2 на Hugging Face совпадает с карточкой MrBenjaroo/ppo-LunarLander-v3-veryBadTest, поэтому описание составлено по ней. Модель MrBenjaroo/ppo-LunarLander-v3-veryBadTest — обученный агент на основе алгоритма PPO для среды LunarLander-v3. Автор карточки указывает, что модель создана с помощью библиотеки stable-baselines3 и сохранена в формате PyTorch. Агент предназначен для управления посадочным модулем в симуляции LunarLander-v3: по наблюдениям среды он выбирает действия, помогающие посадить аппарат. Карточка не сообщает размер модели, языки или подробности обучения. Лицензия в предоставленных данных не указана.

Карточка модели Diyorbeklaw/ppo-LunarLander-v2 на Hugging Face совпадает с карточкой MrBenjaroo/ppo-LunarLander-v3-veryBadTest, поэтому описание составлено по ней. Модель MrBenjaroo/ppo-LunarLander-v3-veryBadTest — обученный агент на основе алгоритма PPO для среды LunarLander-v3. Автор карточки указывает, что модель создана с помощью библиотеки stable-baselines3 и сохранена в формате PyTorch. Агент предназначен для управления посадочным модулем в симуляции LunarLander-v3: по наблюдениям среды он выбирает действия, помогающие посадить аппарат. Карточка не сообщает размер модели, языки или подробности обучения. Лицензия в предоставленных данных не указана.

Это обученный агент Proximal Policy Optimization (PPO) для среды LunarLander-v2. Модель опубликована организацией sb3 и подготовлена с использованием библиотеки stable-baselines3 и фреймворка RL Zoo. Агент предназначен для управления виртуальным посадочным модулем: по состоянию среды он выбирает действия, помогающие безопасно совершить посадку. Его можно запускать в LunarLander-v2 через инструменты Stable-Baselines3 или RL Zoo. Карточка не сообщает размер модели, длину обучения или количественные показатели качества, поэтому их нельзя оценить по имеющимся данным. Репозиторий содержит модель в формате PyTorch. Языковой ввод и текстовая генерация не являются её назначением. Лицензия в предоставленных данных не указана.

Карточка модели fl4wn/ppo-LunarLander-v3 на Hugging Face совпадает с карточкой MrBenjaroo/ppo-LunarLander-v3-veryBadTest, поэтому описание составлено по ней. Модель MrBenjaroo/ppo-LunarLander-v3-veryBadTest — обученный агент на основе алгоритма PPO для среды LunarLander-v3. Автор карточки указывает, что модель создана с помощью библиотеки stable-baselines3 и сохранена в формате PyTorch. Агент предназначен для управления посадочным модулем в симуляции LunarLander-v3: по наблюдениям среды он выбирает действия, помогающие посадить аппарат. Карточка не сообщает размер модели, языки или подробности обучения. Лицензия в предоставленных данных не указана.

Карточка модели nijatmammadov/ppo-LunarLander-v3 на Hugging Face совпадает с карточкой MrBenjaroo/ppo-LunarLander-v3-veryBadTest, поэтому описание составлено по ней. Модель MrBenjaroo/ppo-LunarLander-v3-veryBadTest — обученный агент на основе алгоритма PPO для среды LunarLander-v3. Автор карточки указывает, что модель создана с помощью библиотеки stable-baselines3 и сохранена в формате PyTorch. Агент предназначен для управления посадочным модулем в симуляции LunarLander-v3: по наблюдениям среды он выбирает действия, помогающие посадить аппарат. Карточка не сообщает размер модели, языки или подробности обучения. Лицензия в предоставленных данных не указана.

Карточка модели thvan2108/ppo-LunarLander-v3 на Hugging Face совпадает с карточкой MrBenjaroo/ppo-LunarLander-v3-veryBadTest, поэтому описание составлено по ней. Модель MrBenjaroo/ppo-LunarLander-v3-veryBadTest — обученный агент на основе алгоритма PPO для среды LunarLander-v3. Автор карточки указывает, что модель создана с помощью библиотеки stable-baselines3 и сохранена в формате PyTorch. Агент предназначен для управления посадочным модулем в симуляции LunarLander-v3: по наблюдениям среды он выбирает действия, помогающие посадить аппарат. Карточка не сообщает размер модели, языки или подробности обучения. Лицензия в предоставленных данных не указана.